👨‍💻 Паттерны проектирования — не для облачных систем

Классические design patterns из Банды четырёх часто вредят cloud-native приложениям.

Большинство классических паттернов проектирования создавались для in-process объектно-ориентированных систем — а не для распределённых, подверженных сбоям облачных окружений.

Но в 2026 году всё ещё встречаются облачные системы, построенные на репозиториях повсюду, синглтонах как кеше и фасаде, оборачивающем HTTP-вызовы.

Классические паттерны из книги Банды Четырёх предполагают общую память, быстрые вызовы методов, стабильные процессы, редкие сбои и единый блок развёртывания. Облачные системы предполагают противоположное: распределённую память, сетевые вызовы с задержками, временные процессы, постоянные частичные сбои и множество независимых сервисов.

Синглтон: самый опасный паттерн

Синглтон кажется удобным для глобального состояния в одном процессе. В облаке каждый под имеет свой экземпляр, и состояние рассинхронизируется при масштабировании. Холодные старты сбрасывают данные, а поды работают с разными версиями.

Репозиторий тормозит запросы

Репозиторий абстрагирует данные, чтобы домен оставался чистым. В распределённых системах это плодит лишние вызовы через сеть, N+1 проблемы и перерасход ресурсов БД. Каждый запрос добавляет задержку и траты.

Лучше ориентироваться на запросы: оптимизировать чтение, использовать CQRS для доминирующего чтения и принимать форму данных как часть дизайна. Доступ к БД становится ключевой частью архитектуры, а не скрытой деталью.

Фабрика усложняет жизнь

Фабрики прячут создание объектов и типы. В облаке они дублируют DI-контейнеры, маскируют жизненный цикл и ломают трассировку. Если код полон фабрик, локаторов и инъекций, ясность теряется.

Платформы вроде Kubernetes берут управление lifecycle на себя. Делайте ресурсы явными, отдавайте композицию контейнерам и избегайте лишних прослоек.

Обдумывайте контекст перед копипастой паттернов. Это спасёт от боли при росте нагрузки.

💬 Был у вас шаблон, который подставил вас в облаке?

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

🛠 PostgreSQL как Dead Letter Queue

История о том, как в Wayfair отказались от Kafka DLQ в пользу PostgreSQL и получили более управляемую систему обработки сбоев.

Проблема: события падают, а видимости нет

Сбои встречались везде: API для обогащения данных падали или тормозили, консьюмеры крашились посреди обработки, события приходили с битыми или отсутствующими полями. Всё это находилось вне прямого контроля команды, но требовало изящной обработки.

Первая попытка: Kafka как DLQ

Логичным решением было использовать сам Kafka в качестве Dead Letter Queue. Общий паттерн: если событие не обработалось, отправляем его в отдельный топик DLQ.
Но быстро стало ясно, что это не лучший вариант. Kafka отлично двигает данные, но когда сообщения попадают в DLQ-топик, с ними сложно работать:

• Нельзя просто взять и выполнить запрос «покажи всё, что упало вчера»
• Нет нормальной фильтрации по причине сбоя
• Чтобы повторить обработку конкретного набора событий, нужны кастомные консьюмеры
• Для любого анализа требуется дополнительный инструментарий

Для системы, генерирующей критичные бизнес-отчёты, такое отсутствие видимости стало серьёзной проблемой.

Решение: PostgreSQL как первоклассный DLQ

Вместо публикации сбойных событий в топик Kafka, начали сохранять их прямо в таблицу DLQ в PostgreSQL. CloudSQL уже использовался как основное хранилище, так что операционно это почти ничего не добавило. Концептуально же сбои стали первоклассными гражданами системы, а не непрозрачными сообщениями, потерянными в потоке.

Дизайн-решения

• payload как JSONB — сохраняет сырое событие без жёсткой схемы. Можно хранить любую структуру и при этом эффективно запрашивать.

• Простая модель состояний — только PENDING и SUCCEEDED. Минимализм делает жизненный цикл события понятным.

• retry_after — предотвращает агрессивные повторы, когда зависимые системы нестабильны.

• retry_count — позволяет ограничивать количество попыток без внешнего состояния. Если событие не обработалось за 240 попыток — возможно, с ним что-то фундаментально не так.

• Временные метки — делают аудит и операционный анализ простым делом.

Целью не было заменить Kafka на PostgreSQL. Kafka остался основой для высокопроизводительного приёма событий, а PostgreSQL взял на себя то, что умеет лучше всего — долговременность, запросы и наблюдаемость вокруг сбоев.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#il_люминатор

💡 Мигающий светодиод за 10 строк кода

Работа с железом через .NET — это не просто про серверы и веб-приложения. С библиотекой Gpio вы можете управлять физическими устройствами напрямую с Raspberry Pi или других одноплатников.

Рассмотрим базовый пример: как заставить мигать светодиод.

Что понадобится

Минимальный набор компонентов: Raspberry Pi (или аналог с поддержкой .NET), светодиод на 5 мм, резистор 330 Ом, макетная плата и провода.

Как это работает

Схема собирается просто: плата подключается к аноду светодиода (длинная ножка), катод идёт через резистор на землю. Резистор ограничивает ток и защищает светодиод от выгорания.

В коде всего несколько строк:

using var controller = new GpioController();
controller.OpenPin(18, PinMode.Output);
bool ledOn = true;
while (true)
{
    controller.Write(18, ledOn ? PinValue.High : PinValue.Low);
    Thread.Sleep(1000);
    ledOn = !ledOn;
}

В цикле мы записываем значение «включено» или «выключено», меняем состояние каждую секунду.

Приложение компилируется как self-contained и разворачивается на устройстве. После назначения прав на выполнение (chmod +x) запускаете исполняемый файл — и светодиод начинает мигать с интервалом в секунду.

➡️ Гайд от майков

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

🐳 Docker для быстрого запуска сервисов локально

Docker это платформа для запуска приложений в контейнерах. Контейнер получает собственные зависимости, сетевую конфигурацию и порты и при этом не вмешивается в окружение хоста.

Предположим, вам нужно быстро поднять MongoDB локально, не устанавливая ее системным пакетом.

Достаточно выполнить:

docker run -p 27017:27017 mongo

Эта команда скачает официальный образ mongo с Docker Hub и запустит контейнер. Флаг -p 27017:27017 пробрасывает порт на хост, то есть вы обращаетесь к базе на localhost:27017.

Так вы получаете рабочую MongoDB без отдельной установки сервера, настройки сервисов и борьбы с конфликтами версий.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

🛋 Работа в кайф

Продуктивность — это не про силу воли и мотивацию. Это про то, как вы обустроили своё рабочее место. Синий свет экрана, температура в комнате, даже то, сколько воды вы выпили за день — всё это напрямую влияет на работу вашего мозга.

➡️ В статье 10 базовых советов по обустройству вашего рабочего места

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

📞 Как доска объявлений, но отборная

C#/.NET-разработчик — до 300 000 ₽ и удалёнка.

С# разработчик — от 200 000 ₽ и снова удалёнка.

.NET Developer — внезапный офис в Новосибирске.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#garbage_collector

⚡️ ExecuteUpdate и ExecuteDelete в EF Core

ExecuteUpdate и ExecuteDelete появились для случаев, когда вам не нужны сущности и сложные хуки.

Это способ выполнять быстрые массовые операции, говоря с базой на языке SQL через LINQ.

Простой пример с заказами, которые нужно отметить как просроченные:

public async Task<IActionResult> ExpireOldOrders()
{
    var cutoff = DateTime.UtcNow.AddDays(-30);

    var affectedRows = await _db.Orders
        .Where(o => o.Status == OrderStatus.Pending 
                    && o.CreatedAt < cutoff)
        .ExecuteUpdateAsync(setters =>
            setters.SetProperty(
                o => o.Status,
                OrderStatus.Expired));

    return Ok(new { affectedRows });
}

EF Core сгенерирует один SQL примерно такого вида:

UPDATE Orders
SET Status = 2
WHERE Status = 0
  AND CreatedAt < @cutoff

Приложение отправляет в базу одну команду, а не тысячи мелких запросов. С точки зрения БД — это максимально естественный сценарий: нагрузка на сеть и блокировки минимальны.

ExecuteDelete решает такую же задачу для удаления:

public async Task<int> CleanOldLogsAsync(DateTime cutoff)
{
    var affected = await _db.Logs
        .Where(l => l.CreatedAt < cutoff)
        .ExecuteDeleteAsync();

    return affected;
}

EF Core не загружает логи в память — удаление происходит одним SQL-запросом.

Важно: эти методы обходят change tracking и не вызывают события SaveChanges.
Используйте их, когда производительность важнее бизнес-логики в коде.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#il_люминатор

🔛📈 Включаем фичи без редеплоя

Feature Flags — это условные переключатели, которые позволяют включать/выключать фичи на лету, без передеплоя приложения.

Зачем они нужны

• Безопасный rollout — можно включить фичу для 10% пользователей, проверить метрики, затем раскатывать дальше.

• A/B тестирование — запуск двух версий фичи и выбор лучшей на основе данных.

• Eсли что-то пошло не так, флаг выключается за секунду вместо отката всего деплоя.

• Возможность коммитить незавершённый код без риска для продакшна

Подготовка:

// Добавим NuGet пакет
dotnet add package Microsoft.FeatureManagement

// В appsettings.json
"FeatureManagement": {
    "NewDashboard": false
}

В коде:

if (await featureManager.IsEnabledAsync("NewDashboard"))
{
    RenderNewDashboard();
}
else
{
    RenderOldDashboard();
}

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

📎 ValueTask в публичном API

ValueTask часто хвалят за экономию памяти. Но если использовать его в публичном API, потребители могут не оценить такой шаг.

Вопрос: чем так плох ValueTask в публичном API? Он же снизит аллокации

Ответ: у нас в канале с вопросами с собесов

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#dotnet_challenge

📎 Фабрика HttpClient в .NET

В .NET для HTTP-запросов фабрика IHttpClientFactory упрощает создание клиентов, интегрируется с DI и решает проблемы вроде утечек сокетов.

Фабрика кэширует обработчики сообщений, управляет их временем жизни и добавляет логирование.

Зачем нужна фабрика

HttpClient из Framework 4.5 часто создают вручную, но это приводит к проблемам: сокеты не освобождаются, DNS не обновляется. Фабрика решает это через пул обработчиков с лайфтаймом в 2 минуты по умолчанию.

Она регистрируется через AddHttpClient в IServiceCollection и дает доступ к CreateClient. Короткоживущие клиенты подходят для большинства случаев, в отличие от долгоживущих с PooledConnectionLifetime.

Предупреждение: если нужны куки, лучше обойтись без фабрики из-за шаринга CookieContainer.

Способы использования

Разработчики выбирают между базовым, именованными, типизированными клиентами или сгенерированными через Refit.

В базовом варианте инжектят IHttpClientFactory и вызывают CreateClient для каждого запроса. Это просто для рефакторинга старого кода.

Именованные клиенты настраивают по имени из конфига, с базовым URI и заголовками вроде User-Agent:

builder.Services.AddHttpClient("MyClient", client =>
{
    client.BaseAddress = new Uri("https://api.example.com/");
    client.DefaultRequestHeaders.UserAgent.ParseAdd("MyApp");
});

Затем CreateClient("MyClient").

Типизированные удобны для конкретного API: класс принимает HttpClient в конструкторе, фабрика регистрирует его через AddHttpClient<T>.

Логика запросов инкапсулируется в методах класса, DI все подхватывает. IntelliSense работает, нет строковых ключей.

Не используйте в синглтонах: клиент должен быть короткоживущим, иначе DNS не обновится. Лучше именованные или SocketsHttpHandler:

public class ApiService(HttpClient client)
{
    public async Task<Todo[]> GetTodos(int id) =>
        await client.GetFromJsonAsync<Todo[]>($"todos/{id}");
}

В итоге фабрика делает HTTP-клиенты в .NET предсказуемыми и масштабируемыми. Для прода это как стандарт: меньше багов с соединениями, проще DI.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#il_люминатор